VCM_092025_LR

SUPPLY CHAIN MANAGEMENT

het model wordt getraind door middel van simulatie, ‘beloningen’ en ‘straffen’. Op die manier worden steeds betere combinaties van ritten gemaakt. Transporteur Nijhof-Wassink optimaliseerde dan weer tankbeslissingen via een AI-model dat brandstofprijzen, (om)rijtijden en kortin gen met elkaar combineert. De potentiële besparing van deze oplossing kan oplopen van 600.000 tot bijna een miljoen euro per jaar. De start-up Chainfill, die zich heeft gespeci aliseerd in AI-toepassingen voor transport- en logistieke bedrijven, ontwikkelde binnen CoP-AI een toepassing die automatisch trans portopdrachten en offertes herkent in onge structureerde e-mails en bijlagen. Het resul taat is een snellere en minder foutgevoelige orderverwerking. “We zijn ervan overtuigd dat een gemeenschappelij ke verkenning van de mogelijkheden waardevol is. Ieder een heeft immers zijn eigen ideeën en een eigen rugzak met kennis en tools.” En XTe-Motion, gespecialiseerd in de opti malisering van wikkelprocessen, ontwikkelde samen met een IT-partner een prototype dat via beeldherkenning en AI de stabiliteit van pallets beoordeelt. Het idee is dat op basis

daadwerkelijk geïmplementeerd te krijgen, zijn veel inspanningen en natuurlijk ook het nodige budget nodig.” De oplossing voor veel van die obstakels ligt volgens Sebastian Piest deels in goede samen werking en visualisering. “Wanneer mensen samen hun idee uittekenen, bespreken en doorrekenen, ontstaat een breder draagvlak binnen de organisatie”, verduidelijkt hij. “We merken binnen onze community ook dat je veel kunt halen uit kruisbestuiving. Laat medewerkers voldoende kennis opdoen om de switch te kunnen maken; online zijn er veel (gratis) cursussen te vinden. Wees binnen de organisatie ook duidelijk over je ambities op het vlak van AI. Het is eveneens belangrijk dat AI geen pure IT-aangelegenheid is. Plan ook ruimte voor iteraties als je eenmaal gestart bent, want vaak gaan zulke projecten niet in één keer goed.” Verder zijn er veel referentie-implementa ties te vinden die kunnen inspireren. “Heel wat getrainde datamodellen kun je zo van het internet downloaden en uitproberen. Zet AI ook in om te coderen, zo kun je het proces versnellen”, raadt Sebastian Piest aan. “Voor ook een controle op je data uit voor je begint, gebruik een goede metho diek en teken uit hoe de oplossing in je IT-landschap kan worden geïntegreerd.” Tot slot wil Sebastian Piest nog benadrukken dat AI slechts een onderdeel is van het gro tere plaatje: “Gebruik AI niet als doel op zich, maar als middel binnen een bredere proces strategie. Om bepaalde problemen op te lossen, volstaat een eenvoudig algoritme of een BI-dashboard. Business intelligence kan ook dienen als springplank voor AI. Zoals eerder aangehaald: bekijk eerst goed wat je echt nodig hebt. Het antwoord zal zeker niet altijd AI zijn. En verder: begin eenvoudig, leer snel en werk multidisciplinair. Maar vooral: koppel AI zo snel mogelijk aan de praktijk. Pas op dat moment wordt de technologie waarde vol.” TC

daarvan een app wordt ontwikkeld die het stapelpatroon van pallets herkent, stapelpa tronen classificeert en advies geeft over hoe je de pallets veilig kunt ‘sealen’. Omdat de daad werkelijke automatisering en integratie van die app een forse investering vraagt – om en bij de 350.000 euro – wordt momenteel beke ken hoe hier een businesscase van kan wor den gemaakt. Obstakels tijdens AI-expedities Afsluiten doet Sebastian Piest met enkele getrokken lessen binnen de community. “Computerwetenschappers zijn heel goed in het ontwikkelen van oplossingen, maar AI omvat ook een belangrijk sociaal aspect”, zegt hij. “De interactie tussen mensen en AI wordt vaak onderschat. Sommige medewerkers ervaren AI ook als een bedreiging voor hun job, wat natuurlijk niet helpt. De impact van AI op onze dagelijkse activiteiten en hoe we de technologie in dat opzicht het best kunnen implementeren, weegt bij dit soort toepassin gen eigenlijk net zo zwaar als de technologie zelf.” Daarnaast zoomt Sebastian Piest in op nog enkele andere punten waar het wel eens spaak loopt bij AI-projecten. “Binnen de community merken we dat de prototyping doorgaans wel goed lukt, maar als we dan tot de ontwikke ling van de oplossing overgaan, blijkt dat vaak een veel grotere uitdaging. Om te beginnen struikelen bedrijven dikwijls over de data. Veel organisaties hebben óf te weinig data óf de data zijn onbetrouwbaar of moeilijk ontsluit baar. Ook is de IT-architectuur vaak niet voor bereid op AI-integratie, met legacysystemen die slecht te koppelen zijn. Nog een punt is dat er onvoldoende kennis in huis is. Mede werkers weten niet wat ze van AI kunnen ver wachten en het management heeft niet altijd heldere doelen gesteld. Tot slot ontbreekt het heel vaak aan ondersteuning van het leider schap bij AI-projecten. Zonder visie op AI blijft het vaak bij een IT-experiment dat voortijdig strandt. Zeker bij kleine en middelgrote bedrij ven is dat een veelvoorkomend probleem. ‘Spelen’ met AI is leuk, maar om een oplossing

25

VALUE CHAIN MANAGEMENT - AUGUSTUS-SEPTEMBER 2025